laplace
來源路徑 · 轉換漏斗 · 流失環節

客戶在哪裡流失, 廣告費該投向哪裡 一目了然的轉換分析

彙整所有銷售通路的購買紀錄,將同一位客戶視為一人,重新計算首購與回購。

範例 資料
實際客戶數
18,240人
依同一人計算
註冊 → 首購
31.2%
累計轉換率
回購率
27.4%
首購 → 第2次
回購轉換速度
27日
中位數
購買次數漏斗點擊階段看看
同一用戶識別去重
Smart Store9,860
自營官網7,420
Coupang4,872
實際客戶
0
−3,912
各銷售通路客戶合計 22,152人 → 同一人合併為一
回購率,計算方式不同結果就不同
依銷售通路分別計算19.6%
依同一人計算27.4%
串連其他銷售通路的購買紀錄後,回購就不會被誤算為首購
Coupang 訂單 · Kim** 與自營官網客戶合併

依銷售通路分開計算客戶, 轉換率首先就失真。

同一個人在多個銷售通路購買,客戶數看起來變多、回購卻變少。數字不準,就無從得知客戶在哪裡流失。

XSmartStore_客戶.xlsx新客 1人
ABC
1客戶聯絡方式分類
2Kim**1284新客
X自營官網_會員.xlsx新客 1人
ABC
1客戶聯絡方式分類
2Kim**1284新客
XCoupang_訂單.xlsx新客 1人
ABC
1客戶聯絡方式分類
2Kim**1284新客
新客戶3人?其實是同1人

同一位客戶在每個通路都算新客

NAVER Smart Store·自營官網·Coupang 的客戶名單分開計算,一個人就會依銷售通路數被算成多個新客戶,實際客戶數被灌水。

X自營官網_訂單紀錄.xlsx
ABC
1客戶下單日期分類
2Park**06.02首購
3Lee**06.04回購
4Choi**06.05首購
已在 Smart Store 買過2次的客戶

回購被算成了首購

銷售通路後台的首購·回購區分以該平台帳號為準,在其他通路買過的客戶也會被歸為首購。

XCRM_對象_匯出_v3.xlsx
ABC
fx=IF(COUNTIF(訂單!B:B,A2)=0,"未購買","")
1會員註冊日購買
2Jung**07.09#N/A
3Kang**07.14?
該發給誰?

很難找到該發給誰

註冊了卻沒下單的客戶、買過一次就不再回來的客戶,用試算表公式去找,最後連名單對不對都沒把握。

同一用戶識別

通路不同, 同一客戶也只算一人。

整合 NAVER Smart Store、Cafe24、Coupang 等多個通路的購買紀錄,將同一位客戶辨識為同一使用者。去除重複後,實際客戶數與首購·回購指標更準確。

  • 去除重複,掌握實際客戶數
  • 追蹤跨通路購買行為
  • 準確的首購·回購營收
範例 資料
Smart Store03.12
Kim**010-****-1284
氛圍蠟燭組
自營官網04.02
Kim*yeonk***@mail.com
補充精油 30ml
Coupang05.19
Kim**010-****-1284
補充精油 30ml
自營官網06.07
Kim*yeon首爾麻浦區 ***
護手霜
同一人檔案
正在彙整訂單
電話號碼—
電子郵件—
地址—
依銷售通路計算
新客4人
依同一人計算
客戶1人 · 回購

個人資料已遮罩

漏斗分析

每個環節流失多少, 用漏斗一看便知。

選好要看的漏斗,自動計算從註冊到首購、從首購到回購的轉換率與轉換速度。

  • 註冊 → 首購轉換率
  • 首購 → 回購(2次購買)轉換率
  • 各環節轉換率 · 流失 · 累計轉換率
  • 各環節轉換速度(中位數)
範例 資料
註冊 → 1次下單
31.2%
流失 −16,512累計 31.2%
1次下單 → 2次下單
27.4%
流失 −5,436累計 8.6%
2次下單 → 3次下單
44.0%
流失 −1,149累計 3.8%
流向

首購之後, 接著買什麼。

依首購商品,以流向圖查看下一次購買走向哪裡。回購同款的客戶、轉向其他商品的客戶、停止購買的客戶,同一畫面呈現。

  • 依首購商品看下一次購買流向
  • 未轉為回購的客戶占比
  • 各流向的客戶數與占比
範例 資料
首購客戶
7,600
回購轉換
34.2%
同款商品回購
1,360
首購第二次購買商品 A3,200人商品 B2,600人商品 C1,800人商品 A 1,000商品 B 870商品 C 490其他商品 240未回購 5,000

點擊流向 即可查看人數和占比。選擇首購商品,只突顯其後的流向。

擷取轉換目標

只挑出未轉換的客戶, 送進 CRM。

依商品篩選客戶,把註冊後未購買·未回購的客戶直接匯出成 CRM·間接廣告用名單。還能組合 RFM 分群作為條件。

  • 註冊後未購買 · 未回購的客戶
  • RFM·分群條件組合
  • CSV 下載 · 發送 KakaoTalk 通知訊息
  • 個人資料遮罩顯示
範例 資料
基本條件
新增條件
擷取結果
2,382人
Lee**註冊 2025-07-14註冊後12天未購買
Park**註冊 2025-07-09註冊後17天未購買
Choi**註冊 2025-07-04註冊後22天未購買
Jung**註冊 2025-06-28註冊後28天未購買
Kang**註冊 2025-06-21註冊後35天未購買
… 其餘 2,377人
姓名已遮罩 · 試著變更條件

常見問題, 先看看這裡。

如有其他疑問,歡迎隨時諮詢,我們將依您的導入方式提供說明。

Laplace 會交叉比對電子郵件、手機號碼、ID、地址等多種識別資訊,把同一客戶整合為一個檔案。例如客戶先點了 NAVER 廣告,之後又透過直接搜尋下單,也會被辨識為同一人,避免重複計算。如此就能準確衡量真實的不重複客戶數,以及各通路的轉換貢獻。

自營官網後台的首購/回購判斷以同一平台內的帳號為準,同一個人換通路或換帳號購買,就會被算成首購。Laplace 透過電子郵件、手機號碼、地址等多種識別資訊辨識同一人,並串聯跨通路的購買紀錄,因此能更準確地區分首購與回購。

可以,新客戶的首購轉換率和既有客戶的回購轉換率都能分別衡量,並可依通路、商品、期間拆分查看,比較哪些廣告更能帶來新客、哪些通路更能帶動回購。

平台內建報表的 ROAS,常會把同一筆轉換同時算進多個通路的貢獻,因此往往高於實際。Laplace 將廣告通路資料與實際訂單資料串連,計算去除重複後的各通路 ROAS,幫助你依據資料判斷廣告費該集中投放在哪個通路。

由於機器人流量過濾、歸因(Attribution)重算與工作階段去重是在資料蒐集後才處理,轉換率可能會被追溯調整。例如昨天顯示的轉換率今天略有不同,就是被判定為機器人的工作階段遭到排除,或歸因被重新分配的結果。這是為了提供更準確數字的正常流程,調整原因可在該指標的詳細資訊中查看。

把 Excel 彙整交給 Laplace,
專注於判斷與執行

最長可免費使用 3 週,試用期間也能使用全部功能。